Эконометрика_Практикум
.pdfGenerated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
Решение:
А) Модель имеет две эндогенные (у1 , у2 ) и две экзогенные (х1 , х2 ) пе-
ременные. Проверим каждое уравнение системы на необходимое и достаточное условия идентификации.
Необходимое условие идентифицируемости (счётное правило проверки на идентифицируемость): Обозначим Н – число эндогенных переменных в i- ом уравнении системы, D – число экзогенных переменных, которые содержатся в системе, но не входят в данное уравнение. Тогда:
D+1 = Н – уравнение идентифицируемо;
D+1 < Н – уравнение неидентифицируемо; D+1 > Н – уравнение сверхидентифицируемо.
В соответствии с достаточным уловием идентификации определитель матрицы коэффициентов при переменных, не входящих в уравнение, не должен быть равен нулю, а ранг матрицы должен быть не меньше, чем число эндогенных переменных модели минус 1. В нашей задаче ранг должен быть не меньше 2 1 1.
Для удобства проверки составим матрицу коэффициентов при переменных системы:
Уравнение |
у1 |
у2 |
х1 |
х2 |
|
|
первое |
1 |
b |
a |
0 |
||
второе |
|
12 |
11 |
a |
|
|
b |
1 |
0 |
22 |
|
||
|
21 |
|
|
|
|
Проверим первое уравнение.
Необходимое условие: эндогенных переменных Н 2 (у1 , у2 ), отсутствующих экзогенных D 1 (х2 ) .
Выполняется необходимое условие: 1 1 2 .
Достаточное условие: в первом уравнении отсутствует (х2 ) . Матрица коэффициентов при отсутствующих переменных во втором уравнении: а22 .
Определитель этой матрицы а22 а22 0 .
Таким образом, определитель матрицы не равен нулю, а ранг матрицы равен 1. Следовательно, выполняется достаточное условие идентификации, и первое уравнение точно идентифицируемо.
Второе уравнение.
Необходимое условие: эндогенных переменных Н 2 (у1 , у2 ), отсутствующих экзогенных D 1 (х1 ).
61
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
Выполняется необходимое условие: 1 1 2 .
Достаточное условие: во втором уравнении отсутствует (х1 ). Матрица коэффициентов при отсутствующих переменных: а11 . Определитель этой матрицы а11 а11 0.
Определитель матрицы также не равен нулю, ранг матрицы равен 1. Следовательно, выполняется достаточное условие идентификации, и второе уравнение точно идентифицируемо.
Вывод: так как каждое уравнение модели является точно идентифицируемым, то и вся модель точно идентифицируема.
Б) Приведённая форма модели имеет вид:
y1 11x1 12 x2 u1,y2 21x1 22 x2 u2.
В) В случае точно идентифицируемой структурной модели применяется косвенный метод наименьших квадратов (КМНК).
Процедура применения КМНК предполагает выполнение следующих этапов работы:
1. Структурная модель преобразовывается в приведенную форму мо-
дели.
2.Для каждого уравнения приведенной формы модели обычным МНК оцениваются приведенные коэффициенты ij .
3.Коэффициенты приведенной формы модели трансформируются в параметры структурной модели.
1.Приведённую форму модели мы получили в пункте Б).
2.Применим традиционный МНК для каждого уравнения приведённой формы модели. Определим δ–коэффициенты.
Для этого сначала преобразуем данные, вычислив их в отклонениях от средних уровней.
Рассчитаем средние значения переменных, используя встроенную функцию СРЗНАЧ в MS Excel. Получим средние значения:
у1 4, у2 6, х1 3,2 , х2 3,6 .
62
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
Тогда новые значения переменных:
Регион |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
у1 у1 |
у2 у2 |
х х |
х |
2 |
х |
2 |
|
|||||||||
|
|
|
|
|
|
|
1 |
|
1 |
|
|
|
|
|
||
1 |
-2 |
|
|
-1 |
|
|
-2,2 |
|
|
|
-0,6 |
|
|
|||
2 |
-1 |
|
|
0 |
|
|
-1,2 |
|
|
|
-1,6 |
|
|
|||
3 |
0 |
|
|
1 |
|
|
-0,2 |
|
|
|
-2,6 |
|
|
|||
4 |
1 |
|
|
2 |
|
|
0,8 |
|
|
|
|
1,4 |
|
|
||
5 |
2 |
|
|
-1 |
|
|
-1,2 |
|
|
|
|
2,4 |
|
|
||
6 |
-1 |
|
|
-1 |
|
|
0,8 |
|
|
|
-2,6 |
|
|
|||
7 |
-2 |
|
|
0 |
|
|
-0,2 |
|
|
|
-1,6 |
|
|
|||
8 |
0 |
|
|
2 |
|
|
1,8 |
|
|
|
|
1,4 |
|
|
||
9 |
0 |
|
|
-2 |
|
|
-2,2 |
|
|
|
|
2,4 |
|
|
||
10 |
2 |
|
|
1 |
|
|
1,8 |
|
|
|
|
0,4 |
|
|
||
11 |
1 |
|
|
0 |
|
|
0,8 |
|
|
|
-0,6 |
|
|
|||
12 |
1 |
|
|
3 |
|
|
2,8 |
|
|
|
|
3,4 |
|
|
||
13 |
-2 |
|
|
-2 |
|
|
-0,2 |
|
|
|
-1,6 |
|
|
|||
14 |
-2 |
|
|
-3 |
|
|
-2,2 |
|
|
|
-2,6 |
|
|
|||
15 |
3 |
|
|
1 |
|
|
0,8 |
|
|
|
|
2,4 |
|
|
Рассмотрим у1 в качестве зависимой переменной, а x1 , x2 – в качестве
независимых переменных в первом уравнении приведённой формы. В результате получим: y1 0,3136 x1 0,4746 x2 .
Второе уравнение приведённой формы, где у2 – зависимая переменная, x1 , x2 – независимые переменные, имеет вид: y2 0,7936 x1 0,1775 x2 .
Таким образом приведённая форма модели:
y1 0,3136 x1 0,4746 x2 ,y2 0,7936 x1 0,1775 x2 .
3. Перейдём от приведённой формы модели к структурной.
Для того чтобы получить первое уравнение структурной формы, необходимо исключить переменную x2 из уравнения, выразив её из второго и
подставив в первое: х2 |
у2 0,7936 x1 |
. |
|
||||
|
|
||||||
|
|
|
0,1775 |
у2 0,7936 х1 |
|
||
Тогда y |
0,3136 x |
0,4746 |
; |
||||
|
|||||||
1 |
1 |
0,1775 |
|
||||
y1 2,6738 у2 |
1,8083 x1 |
|
|||||
– первое уравнение структурной модели. |
Чтобы получить второе уравнение структурной модели, исключим x1
из второго уравнения приведённой формы модели, выразив её из первого уравнения и подставив во второе:
63
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
х |
|
у1 0,4746 x2 |
; |
|
|||
|
|
|
|||||
1 |
0,3136 |
|
|
|
|||
|
|
|
|
||||
y2 |
0,7936 |
|
у1 |
0,4746 х2 |
0,1775 x2 ; |
||
|
0,3136 |
||||||
|
|
|
|
|
|
||
y2 |
2,5306 |
у1 |
1,0235 x2 |
– второе уравнение структурной формы |
модели.
Таким образом структурная форма модели имеет вид:
y1 2,6738 y2 1,8083 x1 , .у2 2,5306 y1 1,0235 x2 .
Перейдём от переменных в виде отклонений от среднего уровня к исходным переменным.
Свободные члены уравнений определим по формулам:
|
А |
|
y |
|
2,6738 |
y |
|
|
1,8083 |
x |
|
|
А |
4 2,6738 6 1,8083 3,2 6,2562; |
||
|
01 |
1 |
|
|
|
2 |
1 |
|
01 |
|
||||||
|
А02 |
|
у |
2 |
2,5306 |
y |
1 |
1,0235 |
x |
2 |
|
А02 |
6 2,5306 4 1,0235 3,6 0,4378. |
Тогда структурная модель примет вид:
y |
|
6,2562 2,6738 y |
|
1,8083 x , |
|
|
у |
1 |
|
2 |
1 |
|
2 |
0,4378 2,5306 y1 |
1,0235 x2 . |
Пример 2. Простейшая структурная форма модели имеет вид:
y1 b12 (y2 x1 ) 1 ,
у2 b21 y1 a22 x2 2, .
Пусть для построения этой модели мы располагаем теми же данными, что и в примере 1.
Необходимо:
А) Провести идентификацию модели.
Б) Записать приведённую форму модели.
В) Определить метод оценки параметров модели и рассчитать неизвестные параметры.
Решение:
А) В данной модели две эндогенные (у1 , у2 ) и две экзогенные (х1 , х2 )
переменные. Проверим каждое уравнение системы на необходимое и достаточное условия идентификации.
Первое уравнение:
Заметим, что в первом уравнении на параметры при переменных у2 и х1 наложено ограничение: b12 a11 . Переменная у2 в данном уравнении не
может рассматриваться как эндогенная, т.к. она участвует в уравнении не самостоятельно, а вместе с переменной х1 .
64
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
Таким образом, в этом уравнении содержится одна эндогенная переменная у1 ( Н 1) и одна экзогенная переменная х1 ( D 1). В соответствии
со счётным правилом идентификации (необходимым условием) получаем
D 1 H (1 1 1) .
Следовательно, первое уравнение структурной формы модели сверхидентифицировано.
Второе уравнение не изменилось и является точно идентифицируемым (смотреть пример 1).
Вывод: так как в системе есть сверхидентифируемое уравнение, то и вся модель сверхидентифицируема.
Б) Приведённая форма модели имеет вид:
y1 11x1 12 x2 u1,y2 21x1 22 x2 u2.
В) В случае сверхидентифицированной модели применяется двухшаговый метод наименьших квадратов (ДМНК).
Для начала нужно оценить параметры приведённой формы модели. Применим традиционный МНК для каждого уравнения и определим δ– коэффициенты. Так как мы используем те же данные, что и в примере 1, то получим ту же систему приведённых уравнений:
y1 0,3136 x1 0,4746 x2 ,y2 0,7936 x1 0,1775 x2 .
Затем на основе второго уравнения данной системы найдём теоретические значения для эндогенной переменной у2 , т.е. уˆ2 . С этой целью в уравнение y2 0,7936 x1 0,1775 x2 подставляем значения х1 и х2 (в нашем примере это отклонения от средних уровней).
Для реализации этой задачи в MS Excel в первую ячейку столбца 6 запишите соответствующую формулу y2 0,7936 x1 0,1775 x2 , нажмите En-
ter, для остальных ячеек «протяните» результат первой ячейки. Оценки уˆ2 приведены во вспомогательной таблице (столбец 6):
После этого заменим фактические значения у2 в первом структурном уравнении y1 b12 (y2 x1 ) на их оценки уˆ2 и найдём значения новой переменной z yˆ2 x1 (7-й столбец таблицы):
65
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
Регион |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ˆ |
z yˆ2 x1 |
у1 у1 |
|
у |
|
у |
|
|
х х |
|
х2 х2 |
|
||||||||
|
2 |
2 |
|
|
|
у2 |
||||||||||||
|
|
|
|
|
|
|
|
1 |
|
1 |
|
|
|
|
|
|
||
1 |
2 |
|
|
|
|
3 |
|
|
|
4 |
|
|
|
5 |
|
|
6 |
7 |
1 |
-2 |
|
|
|
|
-1 |
|
|
|
-2,2 |
|
|
-0,6 |
|
-1,8524 |
-4,0524 |
||
2 |
-1 |
|
|
|
|
0 |
|
|
|
-1,2 |
|
|
-1,6 |
|
-1,2363 |
-2,4363 |
||
3 |
0 |
|
|
|
|
1 |
|
|
|
-0,2 |
|
|
-2,6 |
|
-0,6202 |
-0,8202 |
||
4 |
1 |
|
|
|
|
2 |
|
|
|
0,8 |
|
|
1,4 |
|
0,8834 |
1,6834 |
||
5 |
2 |
|
|
|
|
-1 |
|
|
|
-1,2 |
|
|
2,4 |
|
-0,5263 |
-1,7263 |
||
6 |
-1 |
|
|
|
|
-1 |
|
|
|
0,8 |
|
|
-2,6 |
|
0,1734 |
0,9734 |
||
7 |
-2 |
|
|
|
|
0 |
|
|
|
-0,2 |
|
|
-1,6 |
|
-0,4427 |
-0,6427 |
||
8 |
0 |
|
|
|
|
2 |
|
|
|
1,8 |
|
|
1,4 |
|
1,6770 |
3,4770 |
||
9 |
0 |
|
|
|
|
-2 |
|
|
|
-2,2 |
|
|
2,4 |
|
-1,3199 |
-3,5199 |
||
10 |
2 |
|
|
|
|
1 |
|
|
|
1,8 |
|
|
0,4 |
|
1,4995 |
3,2995 |
||
11 |
1 |
|
|
|
|
0 |
|
|
|
0,8 |
|
|
-0,6 |
|
0,5284 |
1,3284 |
||
12 |
1 |
|
|
|
|
3 |
|
|
|
2,8 |
|
|
3,4 |
|
2,8256 |
5,6256 |
||
13 |
-2 |
|
|
|
|
-2 |
|
|
|
-0,2 |
|
|
-1,6 |
|
-0,4427 |
-0,6427 |
||
14 |
-2 |
|
|
|
|
-3 |
|
|
|
-2,2 |
|
|
-2,6 |
|
-2,2074 |
-4,4074 |
||
15 |
3 |
|
|
|
|
1 |
|
|
|
0,8 |
|
|
2,4 |
|
1,0609 |
1,8609 |
Далее применим обычный МНК к уравнению y1 b12 z .
Коэффициент b12 0,3134.
Таким образом, сверхидентифицируемое структурное уравнение: y1 0,3134 (y2 x1 ) .
Ввиду того, что второе уравнение нашей системы не изменилось, то её структурная форма, найденная из системы приведённых уравнений, та же:
y2 2,5306 у1 1,0235 x2 .
В результате получили систему одновременных уравнений:
y1 0,3134 ( y2 x1 ),
у2 2,5306 y1 1,0235 x2 .
Задачи:
1. Необходимо построить функцию потребления, используя простейшую модель Кейнса формирования доходов:
С a bY , |
(функция потребления) |
|
(тождество дохода) |
Y C I. |
66
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
Пусть для этого у нас имеются следующие данные (в условных денежных единицах) за 1990 – 1999 г.г., полученные в одной из стран:
Год |
Совокупное |
Объём инвести- |
Совокупный |
|
потребление, С |
ций, I |
доход, Y |
1990 |
1900 |
100 |
2000 |
1991 |
1980 |
200 |
2180 |
1992 |
2000 |
300 |
2300 |
1993 |
1800 |
200 |
2000 |
1994 |
2000 |
100 |
2100 |
1995 |
2100 |
200 |
2300 |
1996 |
2200 |
300 |
2500 |
1997 |
2100 |
200 |
2300 |
1998 |
2050 |
150 |
2200 |
1999 |
2100 |
300 |
2400 |
Требуется:
А) Провести идентификацию модели.
Б) Записать приведённую форму модели.
В) Определить метод оценки параметров модели и рассчитать неизвестные параметры.
2. Пусть теперь необходимо построить функцию потребления, используя следующую модель Кейнса формирования доходов:
|
|
С a bY , (функция потребления) |
|
|||
|
|
|
|
(тождество дохода) |
|
|
|
|
Y C I G. |
|
|||
|
Для этого у нас имеются следующие данные (в условных денежных |
|||||
единицах) за 1991 – 2000 г.г., полученные в одной из стран: |
|
|||||
год |
|
Совокупное по- |
Объём |
инве- |
Государственные |
Совокупный |
|
|
требление, С |
стиций, I |
|
расходы, G |
доход, Y |
1991 |
|
1800 |
100 |
|
200 |
2100 |
1992 |
|
1950 |
200 |
|
150 |
2300 |
1993 |
|
2000 |
200 |
|
100 |
2300 |
1994 |
|
1780 |
120 |
|
200 |
2100 |
1995 |
|
1920 |
100 |
|
180 |
2200 |
1996 |
|
2030 |
170 |
|
150 |
2350 |
1997 |
|
2200 |
300 |
|
100 |
2600 |
1998 |
|
2000 |
150 |
|
250 |
2400 |
1999 |
|
1950 |
150 |
|
250 |
2350 |
2000 |
|
2200 |
200 |
|
100 |
2500 |
67
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
Требуется:
А) Провести идентификацию модели.
Б) Записать приведённую форму модели.
В) Определить метод оценки параметров модели и рассчитать неиз-
вестные параметры.
3. Пусть имеются условные данные, представленные в таблице:
n |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Y1 |
3 |
2 |
4 |
1 |
5 |
3 |
4 |
2 |
5 |
6 |
1 |
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Y2 |
2 |
4 |
5 |
3 |
4 |
4 |
2 |
3 |
1 |
5 |
4 |
3 |
Y3 |
6 |
11 |
8 |
9 |
9 |
9 |
8 |
11 |
5 |
11 |
10 |
6 |
X1 |
2 |
3 |
5 |
6 |
10 |
8 |
4 |
2 |
9 |
10 |
5 |
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
X 2 |
4 |
7 |
3 |
6 |
5 |
5 |
6 |
8 |
4 |
6 |
6 |
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Определите параметры структурной модели следующего вида:
Y1 A01 b12Y2 1 ,
Y2 A02 b21Y1 a21 X1 2 ,
Y3 Y2 X 2 .
Контрольные задания (домашняя контрольная работа):
Строится структурная модель следующего вида:
Y1 b12Y2 a11 X1 a12 X 2 1 ,
Y2 b21Y1 a22 X 2 a23 X 3 2 ,
Y3 b31Y1 a33 X 3 3 .
68
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
Пусть имеются условные данные, представленные в таблице (где k1 –
число букв в полном имени студента, k2 |
– число букв в фамилии): |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
Период вре- |
1 |
2 |
3 |
4 |
5 |
|
6 |
7 |
8 |
9 |
10 |
мени |
|
|
|
|
|
|
|
|
|
|
|
Темп прирос- |
2 |
3 |
4 |
5 |
6 |
|
7 |
8 |
9 |
k1 |
11 |
та заработной |
|
|
|
|
|
|
|
|
|
|
|
платы Y1 |
|
|
|
|
|
|
|
|
|
|
|
Темп прирос- |
k1 |
7 |
8 |
5 |
4 |
|
k1 |
9 |
10 |
k2 |
6 |
та цен Y2 |
|
|
|
|
|
|
|
|
|
|
|
Темп прирос- |
10 |
12 |
k2 |
15 |
14 |
|
16 |
18 |
17 |
13 |
11 |
та доходаY3 |
|
|
|
|
|
|
|
|
|
|
|
% безработ- |
2 |
3 |
1 |
3 |
2 |
|
4 |
5 |
4 0,1 k1 |
3 |
2 |
ных X1 |
|
|
|
|
|
|
|
|
|
|
|
Темп прирос- |
2 |
2 0,1 k1 |
1 |
4 |
2 |
|
2 0,1 k2 |
3 |
1 |
4 |
2 |
та цен на им- |
|
|
|
|
|
|
|
|
|
|
|
порт X 2 |
|
|
|
|
|
|
|
|
|
|
|
Темп прирос- |
1 |
2 |
1 |
3 |
3 |
|
4 |
4 |
3 |
2 |
4 |
та экономи- |
|
|
|
|
|
|
|
|
|
|
|
чески актив- |
|
|
|
|
|
|
|
|
|
|
|
ного населе- |
|
|
|
|
|
|
|
|
|
|
|
ния X 3 |
|
|
|
|
|
|
|
|
|
|
|
Необходимо:
А) Провести идентификацию модели.
Б) Записать приведённую форму модели.
В) Определить метод оценки параметров модели и рассчитать неизвестные параметры.
Семинары 14-15. Временные ряды в эконометрических исследованиях
Решение типовых задач:
Пример 1. В таблице приведены данные за 10 лет о расходах на конечное потребление y (у.е.).
t |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
y |
9 |
10 |
10 |
12 |
13 |
14 |
16 |
18 |
19 |
21 |
69
Generated by Foxit PDF Creator © Foxit Software
http://www.foxitsoftware.com For evaluation only.
Требуется:
А) Охарактеризовать структуру ряда, используя графическое изображение;
Б) Рассчитать коэффициенты автокорреляции уровней ряда до 4-го порядка.
В) При помощи анализа автокорреляционной функции и коррелограммы выявить структуру ряда.
Решение:
А) построим график зависимости уровней временного ряда от времени. Будем использовать для этого Мастер диаграмм.
Замечание. В окне Мастера диаграмм Тип выберите Точечная, рядом со списком типов выберите второй вид графика.
Получим следующий результат:
|
24 |
|
|
|
|
|
|
|
|
|
|
|
потребление |
22 |
|
|
|
|
|
|
|
|
|
|
|
20 |
|
|
|
|
|
|
|
|
|
|
|
|
18 |
|
|
|
|
|
|
|
|
|
|
|
|
16 |
|
|
|
|
|
|
|
|
|
|
|
|
14 |
|
|
|
|
|
|
|
|
|
|
|
|
конечное |
|
|
|
|
|
|
|
|
|
|
|
|
12 |
|
|
|
|
|
|
|
|
|
|
|
|
10 |
|
|
|
|
|
|
|
|
|
|
|
|
8 |
|
|
|
|
|
|
|
|
|
|
|
|
на |
|
|
|
|
|
|
|
|
|
|
|
|
6 |
|
|
|
|
|
|
|
|
|
|
|
|
Расходы |
|
|
|
|
|
|
|
|
|
|
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
|
|
|
|
|
|
Год t |
|
|
|
|
|
Вывод: Анализ графика показывает наличие положительной линейной тенденции (линейного тренда) и отсутствие сезонных колебаний.
Б) При наличии во временном ряде тенденции и циклических колебаний значения каждого последующего уровня ряда зависят от предыдущих. Количественно автокорреляцию уровней временного ряда можно измерить с помощью линейного коэффициента корреляции между уровнями исходного временного ряда и уровнями этого ряда, сдвинутыми на несколько шагов во времени.
Вычислим коэффициенты автокорреляции первого, второго, третьего и четвёртого порядков.
Для этого в MS Excel используем встроенную функцию КОРРЕЛ:
1. Выделите пустую ячейку, в которую будет выведено значение коэффициента автокорреляции первого порядка.
70